量子原生数据加载器学习数据集共享结构

研究人员提出一种量子原生数据加载器：先学习数据集共享的低维结构，之后用一组固定电路加载所有信号，每个信号只需少量数字即可确定，这些数字可从随机子集中推断。 Pablo Herrero Gómez 等作者称，在五个公开数据集、七种视角下，该方法以同等门成本达到最强结构化加载器的目标，且每个信号所需数字量减少数倍。在一项预注册盲复现中，当信号数量增至十六倍时，达到全信号准确率九成所需的子集大小在预设界限内保持不变，而结构化加载器所需子集不断增大。 该方法会拒绝无法表示的情形，覆盖的案例数少于上述基线，且不包含心电图。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。